亲宝软件园·资讯

展开

Python 折线图

hacker707 人气:3

绘制简单的折线图

✅在使用matplotlib绘制简单的折线图之前首先需要安装matplotlib,直接在pycharm终端pip install matplotlib即可

✅使用matplotlib绘制简单的折线图,再对其进行定制,实现数据的可视化操作

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()  # 打开matplotib查看器,并显示绘制的图形

运行结果如下:

修改标签文字和线条粗细

上图所示的图形表示的数字越来越大,但标签文字太小,线条太细,不方便观察,这时就需要调整一下增加图形的可读性

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)  # 函数linewidth设置绘制线条的粗细
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

校正图形

图形更容易阅读了,但我们发现没有正确的绘制数据,折线图的终点指出4的平方为25!

向plot()提供一系列数字时,它假设第一个数据点对应的x坐标值为0,但我们的第一个点对应的x值为1。为改变这种默认行为,我们可以给plot同时提供输入值和输出值。

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

input_value = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]   
plt.plot(input_value, squares, linewidth=5)  # 函数linewidth设置绘制线条的粗细
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

现在plot()成功绘制数据,因为我们同时提供了输入值和输出值。使用plot()时可指定各种实参,还可使用众多函数对图像进行定制

使用scatter()绘制散点图并设置其格式

有时候需要绘制散点图并设置各个数据的格式。例如:你可能想以一种颜色显示较小的值,用一种颜色显示较大的值。绘制大型数据集时,你还可以对每个点都设置同样的格式,再使用不同的样式选项重新绘制某个点,以突出它们 ✅要绘制单个点,可使用函数scatter(),并向它传递一对x,y坐标,它将在指定绘制绘制一个点

import matplotlib.pyplot as plt

plt.scatter(2, 4)  # 向scatter函数传递一对x,y坐标
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

下面来设置输出的样式,使其更有趣:添加标题,给坐标轴加上标签,并设置文本格式

import matplotlib.pyplot as plt

plt.scatter(2, 4, s=200)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

使用scatter()绘制一系列点

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

自动计算数据

手动计算列表包含的值很麻烦,可以利用python中的循环来解决,下面是绘制1000个点的范例:

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器,并显示绘制的图形

✅这里需要注意函数axis需要传入四个值,x,y坐标的最小值,最大值 效果如下:

删除数据点的轮廓

要删除数据点的轮廓,可在调用scatter()时传递实参edgecolor=‘none’

plt.scatter(x_values, y_values, edgecolors='none', s=10)
import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

自定义颜色

要修改数据点的颜色,可向scatter()传递参数c,并将其设置要使用的颜色的名称

plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)
import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器,并显示绘制的图形

效果如下:

使用颜色映射

颜色映射(colormap)是一系列颜色,它们从颜色渐变到结束颜色。在可视化中,颜色映射用于突出数据的规律,例如,你可能用较浅的颜色显示较小的值,并使用较深的颜色显示较大的值

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
# 将c设置为y值列表,使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器,并显示绘制的图形

自动保存图表

要让程序自动将图表保存到文件中,可将对plt.show()的调用替换为对plt.sacefig()的调用

plt.savefig('squares.png',bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表,第二个实参指定将图表多余的空白区域裁剪(如果要保留,可省略这个实参)

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
# 将c设置为y值列表,使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题,并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.savefig('squares.png',bbox_inches='tight')
plt.show()  # 打开matplotib查看器,并显示绘制的图形

保存效果如下:

✅注意事项: 一定要把保存图表的代码放在plt.show前面,要是放在后面show会重新创建新的图片

以上就是绘制简单折线图的教程,如果有改进的建议欢迎在评论区留言奥

加载全部内容

相关教程
猜你喜欢
用户评论